Convertire OPUS in AAC

Il file che scrive questa pagina è framing Audio Data Transport Stream: fotogrammi AAC uno dopo l’altro, ciascuno con una breve intestazione che ripete frequenza, configurazione canali e profilo, senza nulla che li avvolga. Nessun indice, nessun campo durata, nessuna area metadati. L’altro file chiamato AAC è un M4A — lo stesso audio codificato dentro un contenitore MP4 che porta tutti e tre.

Quale vi serve non è questione di gusto e non si deduce dalla parola. Documentazione che nomina ADTS, uno stream elementare, o un’estensione .aac significa questa pagina. Documentazione che dice “audio AAC” e si aspetta una durata o una barra di ricerca significa l’M4A. Inviare quello sbagliato è il fallimento più comune in questa conversione.

ADTS esiste perché uno stream possa iniziare a qualunque fotogramma. Quella proprietà è ciò attorno a cui sono costruiti segmentatori, automazione di playout, lettori di annunci e IVR e parser embedded: tagliano l’audio in pezzi, iniziano a riprodurre a metà, e passano frammenti a un decodificatore che non ha contenitore da consultare.

Lo stesso progetto supporta la concatenazione. Due file ADTS con frequenza e numero di canali corrispondenti possono essere uniti byte per byte e il risultato si riproduce come un file continuo, senza ricodifica e quindi senza ulteriore perdita. I sistemi di prompt assemblano frasi esattamente così.

Opus gira su un orologio fisso a 48.000 Hz. Un decodificatore riporta quella frequenza qualunque sia stata la codifica originale, quindi l’AAC prodotto qui è a 48 kHz anche quando la sorgente era una registrazione vocale a 16 kHz. Niente qui ricampiona, deliberatamente — il ricampionamento è una decisione con conseguenze udibili.

Conta di più nella direzione in cui questa coppia è spesso usata. Telefonia, IVR e sistemi di annuncio specificano comunemente 8.000 o 16.000 Hz, e un file a 48 kHz verrà rifiutato o ricampionato all’ingresso. Fatelo voi stessi in un editor dopo la conversione.

Opus compare in questa posizione per tre ragioni. Piattaforme di messaggistica e bot vocali registrano in Opus, perché è stato progettato per il parlato in tempo reale. Strumenti di download lo producono, perché è il miglior stream disponibile senza ricodifica. E servizi di sintesi vocale lo emettono sempre più spesso, per le stesse ragioni di banda.

Il bitrate sorgente fissa il tetto per tutto a valle. Un prompt sintetizzato a un bitrate già decente si converte in un AAC alla banda Alta qualità che nessun ascoltatore criticherà. Una nota vocale catturata molto in basso è già in fondo alla gamma del codec, e nessuna banda su questa pagina lo migliora.

Il controllo Qualità si risolve in un bitrate reale dentro il codificatore — File piccolo, Bilanciato, Alta qualità — ma il valore esatto dipende dal codec e non è una cifra che questa pagina pubblica come propria; quello che conta è la scala tra le tre.

I requisiti scritti per AAC sono di solito tetti imposti da un trasporto piuttosto che obiettivi di qualità — un canale stretto, un budget di banda fissato anni fa. Scegliete la banda che state comunque per provare e verificate il risultato contro il tetto scritto nella specifica. Dove nulla è specificato, Alta qualità è il predefinito giusto.

Il parlato registrato per un sistema è normalmente mono alla sorgente, e dovrebbe restarlo: due canali identici trasportano la stessa informazione al doppio del bitrate, e un lettore di prompt che si aspetta mono può rifiutare o piegare imprevedibilmente un file stereo. Niente qui promuove un file mono a stereo.

L’intestazione ADTS registra la configurazione canali su ogni fotogramma, ciò che rende sicuro il trucco della concatenazione sopra — un frammento mono non può accidentalmente unirsi a uno stereo senza che la discrepanza si veda.

Non c’è alcuna durata da nessuna parte in un file ADTS. Il software che ne ha bisogno la stima, o scansionando ogni fotogramma o dividendo la dimensione del file per un bitrate assunto, e materiale a bitrate variabile confonde l’aritmetica.

Per un sistema di prompt questo è irrilevante, perché la piattaforma misura l’audio quando lo acquisisce. Per qualunque cosa dove una persona vede una barra di avanzamento è un difetto visibile, il segno più chiaro che uno stream grezzo era la consegna sbagliata. L’M4A porta la durata nella sua intestazione.

Opus è portato in un contenitore Ogg con commenti Vorbis — una lista aperta di chiavi maiuscole con valori testuali — e un prompt sintetizzato spesso ha una descrizione utile lì dentro. ADTS non ha alcuna area metadati, quindi ogni campo viene scartato e il risultato porta solo suono.

In questo contesto è di solito corretto: i prompt sono identificati per percorso e dal record della piattaforma stessa, non da tag incorporati. Dove la descrizione conta, copiatela nel nome del file o in un manifesto prima di convertire, o usate il target M4A.

I file sono limitati a 100 MB ciascuno — per Opus sono ore di parlato — e cento possono essere trascinati insieme e riscaricati come ZIP, adatto a come arrivano davvero i set di prompt. Il lavoro è tempo di processore sulla vostra macchina piuttosto che banda.

Opus decodifica nativamente in ogni browser perché WebRTC lo ha reso obbligatorio. Chrome, Edge e Safari codificano anche AAC nativamente; Firefox no, quindi lì viene scaricato un codificatore WebAssembly una volta. Quel pacchetto è l’unica cosa che attraversa la rete.